Model for predicting particle size evolution during
nanoparticle aggregation in refrigerant–oil mixture
Alex Dario Yanguisela Loachamin1
A. RESUMEN
Los sistemas de refrigeración han sido siem-
pre un sector importante en el consumo de en-
ergı́a en la mayorı́a de paı́ses del mundo.Con
creciente énfasis en el ahorro de energı́a,Se han
introducido para aumentar la eficiencia energética
muchas técnicas nuevas. El nanofluido es una
técnica que dispersa nanopartı́culas en un fluido
convencional, que tiene un rendimiento de trans-
ferencia de calor superior [1]. En años recientes,
se han hecho esfuerzos para utilizar el concepto de
nanofluido para aumentar la eficiencia energética
del sistema de refrigeración. Los investigadores
dispersan nanopartı́culas en fluidos de trabajo de
refrigeración convencionales (es decir, mezcla de
refrigerante y aceite), que forma la ”mezcla de
nanorrefrigerantes y aceite”. Con el uso de la
mezcla de nanorrefrigerante y aceite podrı́a dis-
minuir el consumo de energı́a de un frigorı́fico
doméstico en un 26 por ciento [2]. La mezcla
de nanorrefrigerante y aceite es considerada como
un fluido trabajo de refrigeración de eficiencia
energética prometedor y atrae una gran atención.
Para diseñar el sistema de refrigeración uti-
lizando una mezcla de nanorrefrigerante-aceite,
uno de los requisitos básicos es el conocimiento
de las propiedades termofı́sicas de la mezcla de
nanorrefrigerante y aceite. Estudios previos han
demostrado que la mayorı́a de las propiedades ter-
mofı́sicas de nanofluidos como, la conductividad
térmica, la viscosidad y la capacidad térmica) son
funciones del tamaño de las nanopartı́culas [3–5].
PALABRAS CLAVES: Nanoparticu-
las,refrigerante,Mezcla aceite nanorefrigerante
,Propiedades termofisicas
B. ABSTRACT
The mixture of nanorrefrigerante and oil, is a
promising energy-efficient refrigeration work fluid
with superior thermophysical properties, and the
prediction of their thermophysical properties re-
quires the actual size of the particles in the refrig-
erant oil mixture.
Due to the competitive adsorption of different
liquid molecules on the surface of the particle,
the actual particle size of the refrigerant and oil
mixture can not be predicted by existing models
developed for nanofluids with a single component
base fluid.
To obtain a prediction model of the evolution of
the particle size during the aggregation of nanopar-
ticles in the refrigerant and oil mixture, it is given
considering the competitive adsorption behavior
and its effects on the movement and interaction
of the particles.
For the validation of the model, the time evo-
lution of the particle size distribution and the
average size are calculated and compared with
existing experimental data. In addition, the model
can reflect the influences of the oil mass fraction,
the initial particle concentration, the diameter of
the primary nanoparticles.
KEYWORDS:
Nanoparticles, refrigerant,Nanorefrigerant–oil
mixture, thermophysical properties
 I. INTRODUCTION
Las nanopartı́culas son fácilmente de agregar
debido al fuerte movimiento Browniano y a la
alta energı́a libre en la superficie y el tamaño real
de partı́cula está cambiando durante el proceso de
agregación [6,7].
Por esta razón, un error considerable puede
ocurrir si simplemente se sustituye el tamaño ini-
cial de partı́cula (es decir, el tamaño de partı́cula
antes de la preparación del nanofluido) en las
correlaciones o modelos para los cálculos de las
propiedades termofı́sicas.
Para tener una predicción más precisa de
las propiedades termofı́sicas, el tamaño de la
evolución de la partı́cula durante la agregación
debe ser conocido.
Ya que es difı́cil de medir la evolución del
tamaño de partı́cula en tiempo real en una situación
real. Se necesita modelo de predicción .
La predicción de la evolución del tamaño de
las partı́culas requieren modelar la agregación de
nanopartı́culas ya que el proceso de agregación es
la causa de la evolución del tamaño de partı́cula,
y el núcleo de la modelación de agregación es
calcular las interacciones entre las nanopartı́culas.
La mayorı́a de los modelos de agregación exis-
tentes apuntan a los nanofluidos con lı́quido base
de un solo componente y calculan las interacciones
entre las nanopartı́culas.
En nanofluidos, ya sea la base,el lı́quido es
monocomponente o multicomponente, moléculas
lı́quidas forman una capa de adsorción bien es-
tructurada (también llamada ”capa interfacial”) en
la superficie de la nanopartı́cula.
Para el lı́quido de un solo componente (lı́quido
puro),la composición de la capa de adsorción es
la misma que la del lı́quido a bulk, por lo que la
capa de adsorción se puede descuidar al calcular
las interacciones utilizando la teorı́a de DLVO.
Para fluidos de múltiples componentes (lı́quido
mezcla), las afinidades de partı́culas de las difer-
entes moléculas lı́quidas son diferentes, lo que
hace que las moléculas de diferentes lı́quidos se
absorban en la superficie de las nanopartı́culas de
manera competitiva [16,17], y la composición de
la capa de adsorción es diferente a la del lı́quido
a bulk.
El sistema de partı́culas interactivas se con-
vierte en ”partı́cula-capa de adsorción-lı́quido-
capa de adsorción-partı́cula” de ”partı́cula-lı́quido-
partı́cula”, y la teorı́a clásica del DLVO no se
puede usar directamente para calcular las interac-
ciones en las mezclas lı́quidas.
Por lo que, es necesario establecer un nuevo
modelo que incorpore la capa de adsorción para
calcular las interacciones entre las nanopartı́culas
existentes en la mezcla de refrigerante y aceite, y
asi describir el comportamiento de agregación de
las nanopartı́culas.
Para incorporar la capa de adsorción en el mod-
elo de agregación, se debe conocer el grosor y la
composición de la capa de adsorción. La mayorı́a
de los estudios existentes estiman el grosor de la
capa de adsorción mediante hipótesis empı́ricas
[18-20] o simulación dinámica molecular [12-15],
y pocos estudios desarrollan cálculos analı́ticos
[21,22].
Los fluidos base de los nanofluidos son los
componentes únicos, y el efecto de la composición
en el cálculo del espesor no se considera.
Sin embargo, el grosor de la capa de adsorción
para las mezclas de nanorrefrigerante y aceite
podrı́a ser una función de la composición de la
capa de adsorción, por lo que los enfoques exis-
tentes no pueden utilizarse directamente.
Es necesario desarrollar un nuevo enfoque para
calcular el espesor y composición de la capa
de adsorción durante el procesos de modelado
de agregación de nanopartı́culas en la mezcla de
refrigerante y aceite.
 Los métodos de modelado existentes para la
agregación de nanopartı́culas en nanofluidos in-
cluyen principalmente tres tipos: dinámica molec-
ular (MD) [23-25], método basado en la ecuación
de población de partı́culas (PBE) [26,27] y análisis
de la trayectoria de Lagrangian [28].
• Los modelos de agregación basados en MD
pretenden simular los detalles del proceso
de agregación como ası́ como la morfologı́a
agregada [23–25],mientras que el cálculo de
tales modelos requiere una capacidad de com-
putación enorme que solo pueden simulars
varias nanopartı́culas (para la mayorı́a de las
computadoras).
• Schwarzer y Peukert [26] propusieron un
modelo de agregación basado en PBE con
las interacciones partı́cula-partı́cula reflejadas
por la relación de estabilidad, que están de-
terminadas por una estrategia de estimación
de parámetros a partir de los datos experi-
mentales. Teniendo en cuenta la dificultad de
obtener la solución analı́tica de PBE, Liu et al.
[27] empleó el método de simulación directa
de Monte Carlo (DSMC) para resolver PBE
numéricamente.
• El enfoque de resolución de DSMC también
requiere recursos computacionales significa-
tivos, por lo que los modelos basados en PBE
aún no son prácticos para fines de ingenierı́a.
Jiang et al. [28] desarrolló un modelo de
agregación basado en el análisis de la trayec-
toria de Lagrangian, que no tiene que re-
solver el PBE. En este modelo, la ubicación
de cada partı́cula se rastrea para calcular
la distancia de separación de cada par de
partı́culas, y luego se compara con el valor
de agregación crı́tico calculado a partir de
la interacción partı́cula-partı́cula para deter-
minar si se produce la agregación. A partir
de estos modelos, se puede resumir que el
análisis de la trayectoria de Lagrangian es
un método de modelado más factible para
la agregación de nanopartı́culas debido a su
relativamente menor requisito de capacidad
de cómputo y buena precisión de predicción.
El modelo adopta el método de análisis de la
trayectoria de Lagrangian para el seguimiento
de partı́culas y considera el efecto de la ad-
sorción.
II. D ESARROLLO DEL MODELO
A. Analisis de procesos fisicos
Un agregado es un grupo de varias
nanopartı́culas primarias, como se muestra
en la fig 1. Cuando se prepara un nanofluido,
las nanopartı́culas suspendidas podrı́an estar en
forma de nanopartı́culas primarias o agregados,
dependiendo de la técnica de preparación. A
medida que el tiempo avanza, las nanopartı́culas o
agregados primarios experimentan constantemente
un proceso de agregación, formando agregados
más grandes.
Los pasos detallados de un solo proceso de agre-
gación en la mezcla de refrigerante y aceite para
las nanopartı́culas primarias y para los agregados
se ilustran en la Fig.2 (a) y (b), respectivamente.
Para las nanopartı́culas primarias suspendidas en
la mezcla de refrigerante y aceite, las moléculas
lı́quidas (incluidos el refrigerante y el aceite) se
adsorben en la superficie de las partı́culas de man-
era competitiva debido a las diferentes afinidades
de las partı́culas, formando una capa de adsorción
con una composición diferente del lı́quido a granel
[10,29,30 ].
Debido al efecto de tamaño pequeño, las
nanopartı́culas se mueven en la combinación del
movimiento browniano (es decir, el movimiento
irregular) y la sedimentación gravitacional. Cuando
las nanopartı́culas se aproximan entre sı́, se rela-
cionan tanto con la atracción de van der Waals
como con la repulsión electrostática, y la compe-
tencia de atracción y repulsión determina si pueden
ser agregadas o no, si la atracción domina, estas
nanopartı́culas formará un agregado.
Para los agregados suspendidos en la mezcla de
refrigerante y aceite, la capa de adsorción también
se formará en la superficie exterior del agregado.
Como las nanopartı́culas primarias contenidas en
 Fig. 1. Nanoparticulas

el agregado se adhieren fuertemente entre sı́, se

mueven juntas como un todo, y por lo que, el
movimiento de un agregado es también una combi-
nación de movimiento browniano y sedimentación
gravitacional.

Los agregados cercanos también interactúan por

la atracción de van der Waals y la repulsión
electrostática, y forman un agregado más grande
si la interacción general es atractiva.

El proceso de agregación de partı́culas en la

mezcla de refrigerante y aceite se puede resumir
en los siguientes tres pasos:

• 1) formación de la capa de adsorción;

• 2) movimiento de una sola partı́cula;
• 3) interacción partı́cula-partı́cula.

Fig. 2. Esquema de un solo proceso de agregación en la mezcla

B. Modelando la hoja de ruta de refrigerante y aceite para (a) nanopartı́culas primarias y (b)
agregados.

La morfologı́a de un agregado es complicada y

aleatoria, el agregado se simplifica para modelar,
como se muestra en la Fig.3. De esta manera, las partı́culas (incluidos los
agregados y las nanopartı́culas primarias) tienen
Basado en la teorı́a de agregación fractal [31] una dimensión uniforme (es decir, una esfera) con
el agregado estructurado de forma fractal se tres parámetros caracterı́sticos (es decir, dp 0, n
puede considerar como una esfera equivalente, y Df ). Una partı́cula con n = 1 representa una
con el diámetro calculado a partir del diámetro nanopartı́cula primaria, y una partı́cula con n > 1
de la nanopartı́cula primaria (dp o), el número de es equivalente a un agregado que consta de n
nanopartı́culas primarias (n) y la dimensión fractal nanopartı́culas primarias.
(Df ) por la siguiente ecuación:
Para describir el comportamiento de agregación
1 de partı́culas en la mezcla de refrigerante y aceite,
dp = dp o ∗ n Df 1 se desarrollan tres submodelos correlacionados
 Fig. 3. Proceso de simplificación para un agregado.
para explicar los tres pasos de agregación ilustra-
dos en la Sección A, incluidos los submodelos
para la formación de capas de adsorción, para
el movimiento de partı́culas individuales y para
partı́culas. interacción de partı́culas.
La hoja de ruta del modelo se muestra en la
Fig. 4. En el submodelo para la formación de
la capa de adsorción, el espesor y la fracción de
masa de aceite de la capa de adsorción se calculan
analı́ticamente, que se utilizan como entradas para
los otros dos submodelos.
En el submodelo para el movimiento de una sola
partı́cula, se calculan las fuerzas que actúan sobre
una sola partı́cula, lo que deriva la velocidad y la
ubicación de cada partı́cula. En el submodelo para
la interacción partı́cula-partı́cula, la atracción y la
repulsión entre partı́culas se calculan para deter-
minar si las partı́culas (con ubicación conocida)
pueden agregarse o no, y el tamaño de cada agre-
gado se calcula posteriormente. Las ecuaciones y
as descripciones detalladas de estos submodelos se
dan en las secciones.
C. Submodelo para la formación de capas de
adsorción en la superficie de las partı́culas.
En los nanofluidos, las moléculas lı́quidas for-
man una capa de adsorción ordenada o (”capa
interfacial”) sobre la superficie de la partı́cula, ya
que la interacción liquido sólido es mucho más
fuerte que la interacción lı́quido-lı́quido [10, 29,
30].
Para la mezcla de nanorrefrigerante y aceite,
las afinidades de partı́culas del refrigerante y el
Fig. 4. Hoja de ruta para modelar la agregación de partı́culas en
la mezcla de refrigerante y aceite.
aceite son diferentes, lo que hace que estos dos
tipos de moléculas lı́quidas se absorban de manera
competitiva en la superficie de las partı́culas. Como
un resultado, la composición (podrı́a expresarse
por fracción de masa de aceite)
En la capa de adsorción se diferencia de la del
lı́quido a granel. La capa de adsorción con una
composición diferente a la del lı́quido en masa
tendrá efecto en el cálculo de los potenciales de
interacción entre partı́culas [32-34].
De acuerdo con la teorı́a de la adsorción de
Langmuir [35], la capa de adsorción podrı́a ser
una estructura multicapa molecular, es decir, la
partı́cula está cubierta por varias capas molecu-
lares de refrigerante y aceite, como se muestra
esquemáticamente en la Fig.5 .
Se supone que el refrigerante y el aceite es
completamente miscible, su molécula adsorbida en
la superficie de la partı́cula se distribuye uniforme-
mente, y cada capa molecular es idéntico.
Dado que los tamaños moleculares del refrig-
erante y el aceite son diferentes, el espesor de la

Fig. 5. HEsquema de la estructura de la capa de adsorción.
capa de adsorción depende de la composición de
la capa de adsorción (es decir, las proporciones de
refrigerante y moléculas de aceite absorbidas en la
superficie de la partı́cula).
Para lo tanto, este submodelo calcula la fracción
de masa de aceite al principio (la fracción de
masa de refrigerante será obtenido mientras tanto),
y luego calcular la capa de adsorción Espesor
utilizando la fracción de masa de aceite.
Masa de aceite en la capa de adsorción.
El sentido fı́sico de la afinidad entre las
nanopartı́culas y un determinado lı́quido se puede
describir como la diferencia de densidad de energı́a
cohesiva entre ellas [36].
Cuando no hay diferencia en la densidad de
energı́a cohesiva entre las nanopartı́culas y el
lı́quido, la entalpı́a de mezcla se minimiza y la
afinidad alcanza el máximo. Con el aumento de la
diferencia en la densidad de energı́a cohesiva, la
afinidad disminuye.
La afinidad puede evaluarse cuantitativamente
por D1u , donde Du denota la diferencia de densidad
de energı́a cohesiva entre nanopartı́culas y lı́quido.
Donde δD , δP y δH son enlaces dispersivos,
polares y de hidrógeno.
El parámetro de solubilidad, respectivamente,
y estos tres parámetros juntos se denominan
parámetros de solubilidad de Hansen (HSP); Los
subı́ndices de L y P denotan el lı́quido y la
partı́cula, respectivamente. De esta manera, los tres
términos de la ecuación. (2) representan la difer-
encia en dispersiva densidad de energı́a cohesiva,
densidad de energı́a cohesiva polar y densidad de
energı́a cohesiva de hidrógeno entre partı́cula y
lı́quido, respectivamente
∆U = 4(δD ,L −δD ,p )2 +δP ,L −δP ,p )2 +δH ,L −δH ,p )2
2
Donde δD , δP y δH son enlaces dispersivos,
polares y de hidrógeno.
El parámetro de solubilidad, respectivamente,
y estos tres parámetros juntos se denominan
parámetros de solubilidad de Hansen (HSP); Los
subı́ndices de L y P denotan el lı́quido y la
partı́cula, respectivamente. De esta manera, los tres
términos de la ecuación. (2) representan la difer-
encia en dispersiva densidad de energı́a cohesiva,
densidad de energı́a cohesiva polar y densidad de
energı́a cohesiva de hidrógeno entre partı́cula y
lı́quido, respectivamente
La relación entre la afinidad del aceite de
partı́culas y la de partı́culas-refrigerante puede ser
expresado por:
Af inidaddepartı́culas − aceite.
Af inidaddepartı́culas − ref rigerante
1
∆U p−o
= 1
∆U p−r
4(δD ,r −δD ,p )2 + δP ,r −δP ,p )2 + δH ,r −δH ,p )2
= (3)
4(δD ,o −δD ,p )2 + δP ,o −δP ,p )2 + δH ,o −δH ,p )2
 1
o
ωa p
= (4)
1 − ωa 1
pr
∆U

nmo do + nmr do
hao = (5)
nmo + nmr

nmo Mo
ωa = (6)
nmo Mo + nmr Mr
Fig. 6. Esquema de las fuerzas que actúan sobre una sola partı́cula.

1 1
nmo ∗ π(dmo )2 + nmr ∗ π(dmr )2 = π(dpi )2 (7)
4 4 y flotabilidad (Fbuoi ), como se muestra en Fig.6.
Estas fuerzas se calculan mediante las siguientes
D. Submodelo para el movimiento de partı́culas ecuaciones:
individuales π
Fgi = ρP ∗ (dpi + 2hai )3 ∗ g(9)
6
El movimiento de una partı́cula es la com-
binación de moviemientos brownianos (es decir,
movimiento irregular) y sedimentación gravita- Fdi = 3πub ∗ (dpi + 2hai ) ∗ v(10)
cional. El movimiento browniano está modelado
por la fuerza browniana FB i que se deriva de un
proceso aleatorio gaussiano de ruido blanco [37],
π
y la ecuación está dada por Fbuoi = ρb ∗ (dpi + 2hai )3 ∗ g(11)
6

1 donde ρP y ρb son la densidad de partı́culas y

(dpi + 2hai ) lı́quido a granel; g es aceleración gravitacional
FB i = Gi [Γπub KB T + ]2
∆t
(8) III. CONCLUSIONES

Donde G es un vector gaussiano aleatorio con 1) Al introducir el concepto de partı́cula equiva-

media cero y unidad diferencia; ub es la viscosi-
dad del lı́quido a granel; KB es la constante de
Boltzmann (1.38x102 3 m2 kg s− 2 K − 1); T es
la temperatura; dpi y hai son respectivamente el
diámetro de partı́cula y el espesor de la capa de
adsorción de la partı́cula i; ∆t es el paso del
tiempo. Se observa que desde la capa de adsorción
se mueve junto con la partı́cula [13,21], el diámetro
actual para la partı́cula es dp + 2 tiene en el
cálculo de la fuerza. Además de la fuerza brow-
niana, las fuerzas que actúan sobre una partı́cula
incluyen gravedad (Fgi ), fuerza de arrastre, (Fdi )
lente, los agregados y las nanopartı́culas primarias
tienen la dimensión uniforme con tres parámetros
caracterı́sticos.
2) Un solo proceso de agregación de partı́culas
en refrigerante-aceite consta principalmente de tres
pasos, es decir, formación de la capa de adsorción,
movimiento de partı́culas e interacción partı́cula-
partı́cula.
3) Al utilizar nanoparticulas en una mezcla
entre refrigerante y aceite se optimizarian las
propiedades termofisicas,ayudando a a obtener una stability of strongly charged lyophobic sols and
mayor eficiencia. the adhesion of strongly charged particles in solu-
tions of electrolytes, Acta Physicochim. URSS 14
(1941) 633–662.
IV. BIBLIOGRAFIA
[9] E.J.W. Verwey, J.T.G. Overbeek, Theory
of the Stability of Lyophobic Colloids, Elsevier,
[1] L. Godson, B. Raja, D. Mohan Lal, Amsterdam, 1948.
S. Wongwises, Enhancement of heat transfer
using nanofluids—an overview, Renew. [10] C.-J. Yu, A. Richter, A. Datta, M. Durbin,
Sustain. Energy Rev. 14 (2010) 629– 641, P. Dutta, Molecular layering in a liquid on
https://doi.org/10.1016/j.rser.2009.10.004. a solid substrate: an X-ray reflectivity study,
Phys. B Condens. Matter 283 (2000) 27–31,
[2] S.S. Bi, L. Shi, L.L. Zhang, Application https://doi.org/10.1016/S0921-4526(99)01885-2.
of nanoparticles in domestic refrigerators,
Appl. Therm. Eng. 28 (2008) 1834–1843, [11] L. Xue, P. Keblinski, S.R. Phillpot,
https://doi.org/10.1016/j.applthermaleng.2007.11.018.S.U.S. Choi, J.A. Eastman, Effect of liq-
uid layering at the liquid-solid interface on
[3] T.-P. Teng, Y.-H. Hung, T.-C. Teng, H.-E. thermal transport, Int. J. Heat Mass Transf.
Mo, H.-G. Hsu, The effect of alumina/ water 47 (2004) 4277–4284, https://doi.org/10.1016/j.
nanofluid particle size on thermal conductivity, ijheatmasstransfer.2004.05.016.
Appl. Therm. Eng. 30 (2010) 2213–2218,
https://doi.org/10.1016/j.applthermaleng.2010.05.036. [12] S.-P. Ju, A molecular dynamics simulation
of the adsorption of water molecules surrounding
[4] M.J. Pastoriza-Gallego, C. Casanova, J.L. an Au nanoparticle, J. Chem. Phys. 122 (2005)
Legido, M.M. Piñeiro, CuO in water nanofluid: 94718, https://doi. org/10.1063/1.1854132.
influence of particle size and polydispersity
on volumetric behaviour and viscosity, Fluid [13] L. Li, Y. Zhang, H. Ma, M. Yang, An
Phase Equilib. 300 (2011) 188–196, https:// investigation of molecular layering at the liquid-
doi.org/10.1016/j.fluid.2010.10.015. solid interface in nanofluids by molecular dynam-
ics simulation, Phys.Lett. Sect. A Gen. At. Solid
[5] M.-C. Lu, C.-H. Huang, Specific State Phys. 372 (2008) 4541–4544, https://doi.org/
heat capacity of molten salt-based alumina 10.1016/j.physleta.2008.04.046.
nanofluid, Nanoscale Res. Lett. 8 (2013) 292,
https://doi.org/10.1186/1556- 276X-8-292. [14] M. Milanese, F. Iacobazzi, G. Colangelo, A.
de Risi, An investigation of layering phenomenon
[6] H. Peng, L. Lin, G. Ding, Influences at the liquid–solid interface in Cu and CuO
of primary particle parameters and surfac- based nanofluids, Int. J. Heat Mass Transf. 103
tant on aggregation behavior of nanoparticles (2016) 564–571, https://doi.org/10.1016/j. ijheat-
in nanorefrigerant, Energy 89 (2015) 410–420, masstransfer.2016.07.082.
https://doi.org/10.1016/j.energy.2015.05.116.
[15] W. Cui, Z. Shen, J. Yang, S. Wu, Molec-
[7] L. Lin, H. Peng, G. Ding, Experimental ular dynamics simulation on the microstructure
research on particle aggregation behavior of absorption layer at the liquid-solid interface
in nanorefrigerant–oil mixture, Appl. in nanofluids, Int. Commun. Heat Mass Transf.
Therm. Eng. 98 (2016) 944–953, https:// 71 (2016) 75–85, https://doi.org/10.1016/j. icheat-
doi.org/10.1016/j.applthermaleng.2015.12.052. masstransfer.2015.12.023.
[8] B.V. Deryaguin, L. Landac, Theory of the
 [16] V.M. Gun’ko, Competitive adsorption,
Theor. Exp. Chem. 43 (2007) 139–183,
https://doi.org/10.1007/s11237-007-0020-4.

[17] U. Rusch, M. Borkovec, J. Daicic, W.H.

van Riemsdijk, Interpretation of competitive ad-
sorption isotherms in terms of affinity distributions,
J. Colloid Interface Sci. 191 (1997) 247–255,
https://doi.org/10.1006/jcis.1997.4904.

[18] K.C. Leong, C. Yang, S.M.S. Murshed, A

model for the thermal conductivity of nanofluids
– the effect of interfacial layer, J. Nanopart. Res.
8 (2006) 245–254, https://doi.org/10.1007/s11051-
005-9018-9.

[19] W. Yu, S.U.S. Choi, The role of in-

terfacial layers in the enhanced thermal con-
ductivity of nanofluids: a renovated Maxwell
model, J. Nanopart. Res. 5 (2003) 167–171,
https://doi.org/10.1023/A:1024438603801.

[20] H. Xie, M. Fujii, X. Zhang, Effect of

interfacial nanolayer on the effective thermal
conductivity of nanoparticle-fluid mixture,
Int. J. Heat Mass Transf. 48 (2005) 2926–2932,
https://doi.org/10.1016/j.ijheatmasstransfer.2004.10.040.